Exponentials and logarithms - Pure Mathematics (YPM01) - Pearson Edexcel International A Level

欢迎来到指数与对数的世界！

你好，未来的数学家！本章的内容极其重要。指数描述的是增长（例如人口增长或复利），而对数则是我们用来“逆转”这种增长并求解方程的工具。你可以把对数看作是开启指数方程内部能量的一把秘钥。

如果起初觉得这些概念比较抽象，不必担心；我们将通过清晰的类比，一步步地带你拆解这些难点。让我们一起攻克 P2 吧！

快速复习：指数律基础

在深入对数之前，请务必温习指数（幂）的基本运算法则。这些规则是后续学习的基石，因为从本质上讲，对数就是特殊的指数。

乘法法则： \(a^m \times a^n = a^{m+n}\)
除法法则： \(a^m \div a^n = a^{m-n}\)
幂乘法则： \((a^m)^n = a^{mn}\)

1. 指数函数及其图像

指数函数是指变量（通常为 \(x\)）出现在幂（指数）位置上的函数。其通用形式为：

\[y = a^x \quad \text{其中 } a > 0 \text{ 且 } a \neq 1\]

图像 \(y = a^x\) 的特征

当 \(a > 1\) 时（例如 \(y=2^x\)），我们观察到的是指数增长：

图像必过点 (0, 1)（因为 \(a^0 = 1\)）。
曲线始终位于 x 轴上方（因为 \(a^x > 0\)）。
x 轴（即 \(y=0\)）是水平渐近线（图像会无限接近它，但永远不会触碰）。
随着 \(x\) 的增大，图像增长速度极快。

类比：想象一个流言的传播。起初传播缓慢，但随着知晓人数的增加，传播速度会呈指数级爆炸式增长！

核心要点：指数函数

指数函数描述的是快速的增长或衰减。其定义特征是变量位于指数位置。

2. 初识对数：解开幂的秘钥

我们引入对数是为了回答一个非常具体的问题：“以这个数为底，我要把底数乘方几次才能得到目标数？”

对数是指数函数的反函数。

对数的基本定义

以下表达式：

\[a^x = N\]

在数学上等同于以下对数形式：

\[x = \log_a N\]

（读作：“x 等于以 a 为底 N 的对数”）

重要提示： 指数形式中的底数 \(a\)，在对数形式中依然是底数 \(a\)。

记忆技巧：对数循环法

要将 \(x = \log_a N\) 转回指数形式，只需记住底数 \(a\) 进行一次“循环”，把 \(x\) 顶上去作为指数：\(a\) 的 \(x\) 次幂等于 \(N\)。

转换示例：

指数形式： \(2^5 = 32\)
对数形式： \(\log_2 32 = 5\) （指数是 5）

对数形式： \(\log_{10} 1000 = 3\)
指数形式： \(10^3 = 1000\)

特殊的对数取值

这些规则直接源于指数律：

底数的对数： \(\log_a a = 1\) （因为 \(a^1 = a\)）
1 的对数： \(\log_a 1 = 0\) （因为 \(a^0 = 1\)）

避坑指南！

你不能对负数或零求对数。在 \(\log_a N\) 中，输入值 \(N\) 必须始终为正数（即 \(N > 0\)），因为 \(a^x\) 的结果永远大于 0。

3. 对数的三大运算法则（核心工具）

这三大法则能帮助我们处理并简化对数表达式。它们与指数律互为镜像。

法则 1：积的对数（乘变加）

当两个数相乘时，它们的对数相加：

\[\log_a (XY) = \log_a X + \log_a Y\]

思考：由于指数运算在相乘时指数相加，而对数本质上就是指数，因此它们的对数在乘法运算下必然是相加的。

法则 2：商的对数（除变减）

当两个数相除时，它们的对数相减：

\[\log_a \left(\frac{X}{Y}\right) = \log_a X - \log_a Y\]

法则 3：幂的对数（幂落地！）

这可能是求解指数方程最重要的法则。对数真数部分的幂可以移到前面作为乘数：

\[\log_a (X^k) = k \log_a X\]

记忆技巧：幂法则就像是一把钥匙，把高高在上的“幂”解锁并移到地面上，这样我们就能处理它了！

换底公式

通常计算器上只有以 10 为底（\(\log\)）和以 \(e\) 为底（\(\ln\)）的按键。如果你遇到以 5 为底的问题（例如 \(\log_5 10\)），就必须使用换底公式：

\[\log_a N = \frac{\log_b N}{\log_b a}\]

实际操作中，通常取 \(b=10\) 或 \(b=e\)：

\[\log_5 10 = \frac{\log 10}{\log 5} \quad \text{或} \quad \log_5 10 = \frac{\ln 10}{\ln 5}\]

核心要点：对数运算法则

这些法则将乘除法简化为了加减法，但其中的幂法则才是我们真正能够求解未知指数的关键。

4. 利用对数求解方程

当我们无法将底数化为相同时（例如求解 \(3^x = 10\)），就必须使用对数。

求解 \(a^x = b\) 的分步过程

示例： 求解 \(5^x = 40\)，结果保留 3 位有效数字。

第一步：方程两边同时取对数。
选择计算器支持的底数（通常用 \(\log_{10}\) 或 \(\ln\））。\n

\n\[\log (5^x) = \log (40)\]\n

\n\n

\n第二步：应用幂法则。\n
\n将变量 \(x\) 移到前面。

\[x \log 5 = \log 40\]

第三步：分离 \(x\)。

\[x = \frac{\log 40}{\log 5}\]

第四步：计算最终数值。

\[x \approx \frac{1.602}{0.699} \approx 2.29\]

求解二次型方程

有些方程看起来很复杂，但可以看作二次方程来处理。

示例： \(3^{2x} - 4(3^x) + 3 = 0\)

技巧： 令 \(y = 3^x\)。

\[(3^x)^2 - 4(3^x) + 3 = 0\] \[y^2 - 4y + 3 = 0\] \[(y - 3)(y - 1) = 0\]

解得 \(y=3\) 或 \(y=1\)。

代回原变量：

情况 1：\(3^x = 3 \implies x=1\)
情况 2：\(3^x = 1 \implies x=0\)

5. 指数常数 \(e\) 与自然对数

在科学、金融以及微积分（求导与积分）中，有一个特殊的底数无处不在，这就是常数 \(e\)。

\(e\) 的定义： \(e\) 是一个无理数，约等于 2.71828...，它是连续增长的自然底数。

冷知识：如果你将 1 元钱进行连续复利计算，一年后你将得到 \(e\) 元。

自然对数 (ln)

当对数的底数为 \(e\) 时，我们称之为自然对数，并使用专门的符号 \(\ln\)（通常读作“lon”）。

\[\log_e x \equiv \ln x\]

对数运算法则同样完美适用于自然对数。

关键恒等式 1： \(\ln e = 1\) （因为 \(\log_e e = 1\)）
关键恒等式 2： \(\ln 1 = 0\)

含 \(e\) 的方程求解

处理含有 \(e\) 的方程时，只需在方程两边取自然对数（\(\ln\）），因为 \(\ln\) 可以抵消掉 \(e\)。

示例： 求解 \(e^{2x-1} = 5\)

两边同时取 \(\ln\)：\(\ln(e^{2x-1}) = \ln 5\)
使用幂法则（结合 \(\ln e = 1\)）：\( (2x-1) \ln e = \ln 5 \implies 2x - 1 = \ln 5\)
分离 \(x\)：\(2x = 1 + \ln 5\)
最终答案：\(x = \frac{1 + \ln 5}{2}\)

快速复习：\(e\) 与 \(\ln\)

\(e\) 是自然增长的数学常数，\(\ln\) 只是以 \(e\) 为底的对数。它们互为反函数，因此 \(\ln(e^k) = k\)。

6. 指数建模：线性化

在许多现实应用中（如物理或生物学），我们收集的数据往往呈现指数关系。P2 的一项经典技能就是将这些指数关系转化为直线，从而利用图表轻松求出未知常数。这个过程被称为线性化。

情况 A：模型 \(y = A b^x\)

该模型反映了 \(y\) 和 \(x\) 之间的指数关系，其中 \(A\) 和 \(b\) 是未知常数。为了从实验数据中求出 \(A\) 和 \(b\)，我们必须将方程转化为直线方程 \(Y = mX + c\)。

第一步：两边取对数（任意底数均可，我们使用 \(\log_{10}\)）。

\[\log y = \log (A b^x)\]

第二步：应用乘法法则和幂法则。

\[\log y = \log A + \log (b^x)\] \[\log y = \log A + x \log b\]

第三步：映射到直线方程 \(Y = mX + c\)。

Y 轴变量 (Y)： \(\log y\)
X 轴变量 (X)： \(x\)
斜率 (m)： \(\log b\)（直线的斜率即为我们求出的 \(\log b\)，据此可算出 \(b\)）
Y 轴截距 (c)： \(\log A\)（截距即为 \(\log A\)，据此可算出 \(A\)）

如果你以 \(\log y\) 为纵轴、\(x\) 为横轴作图，数据点应该落在一条直线上。

情况 B：模型 \(y = A x^n\)（幂函数关系）

这种模型常与情况 A 混淆，但请注意，此时变量 \(x\) 是底数，而 \(n\) 是常数幂。

第一步：两边取对数。

\[\log y = \log (A x^n)\]